Analisis Tingkat Kerawanan Banjir dengan Menggunakan Model Artificial Neural Network (ANN) di Daerah Aliran Sungai Awo = Analysis of Flood Vulnerability Levels Using Artificial Neural Network (ANN) Model in the Awo Watersheds

Latar belakang. Banjir merupakan bencana yang umum terjadi di Indonesia, yang disebabkan oleh faktor alam seperti curah hujan tinggi, kemiringan lereng dan erodibilitas tanah, ataupun oleh aktivitas manusia, khususnya melalui alih fungsi lahan. DAS Awo di Sulawesi Selatan, khususnya Kabupaten Wajo, termasuk wilayah yang rawan banjir, dengan peningkatan kejadian signifikan antara tahun 2019 dan 2024. Perubahan ini mengindikasikan dinamika faktor penyebab banjir yang perlu dianalisis lebih lanjut. Oleh karena itu, pemetaan kerawanan banjir diperlukan untuk mendukung upaya mitigasi berbasis data. Tujuan. Penelitian ini bertujuan untuk mengetahui sebaran wilayah terdampak banjir, menganalisis faktor dominan penyebab banjir, membandingkan tingkat kerawanan tahun 2019 dan 2024, dengan menggunakan model Artificial Neural Network (ANN), serta merumuskan strategi mitigasi berdasarkan hasil pemodelan. Metode. Penelitian memanfaatkan citra Sentinel-1 SAR dan analisis NDSI untuk pemetaan sebaran banjir. Sembilan faktor penyebab dianalisis menggunakan frekuensi rasio dan dinormalisasi, lalu dimodel menggunakan ANN. Hasil divalidasi dengan menggunakan nilai Area Under Curve (AUC) dari Receiver Operating Characteristic (ROC) dan dipetakan ke dalam lima kelas kerawanan. Kesimpulan. Wilayah terdampak banjir meningkat dari 866,39 ha (2019) menjadi 2.537,75 ha (2024), seluruhnya berada di Kabupaten Wajo. Faktor utama yang paling berpengaruh terhadap banjir adalah litologi, kerapatan sungai, dan penutupan lahan. Model menunjukkan penurunan kerawanan di 1.461,52 ha (3,50%) dan peningkatan kerawanan sangat tinggi di 646,16 ha (1,54%). Hasil akhir berupa peta kerawanan banjir dapat digunakan untuk mendasari perumusan strategi mitigasi melalui konservasi, penataan lahan, dan edukasi masyarakat.